Sentry JavaScript SDK 使用教程
2024-09-14 22:08:44作者:曹令琨Iris
项目介绍
Sentry JavaScript SDK 是 Sentry 官方提供的用于 JavaScript 环境的错误监控和性能监控工具。它支持多种 JavaScript 运行环境,包括浏览器、Node.js、React、Vue、Angular 等。Sentry JavaScript SDK 通过捕获应用程序中的错误和性能问题,帮助开发者快速定位和修复问题,提升应用的稳定性和性能。
项目快速启动
安装
首先,你需要在你的项目中安装 Sentry JavaScript SDK。你可以使用 npm 或 yarn 进行安装:
npm install @sentry/browser
# 或者
yarn add @sentry/browser
初始化
在你的应用程序入口文件中,初始化 Sentry SDK:
import * as Sentry from '@sentry/browser';
Sentry.init({
dsn: 'https://<key>@sentry.io/<project>',
integrations: [new Sentry.Integrations.BrowserTracing()],
tracesSampleRate: 1.0,
});
捕获错误
你可以手动捕获错误并发送给 Sentry:
try {
// 你的代码
} catch (error) {
Sentry.captureException(error);
}
应用案例和最佳实践
应用案例
假设你正在开发一个 React 应用,并且希望在用户遇到错误时能够及时捕获并处理。你可以使用 Sentry 来监控应用中的错误。
import React from 'react';
import ReactDOM from 'react-dom';
import * as Sentry from '@sentry/react';
import App from './App';
Sentry.init({
dsn: 'https://<key>@sentry.io/<project>',
integrations: [new Sentry.Integrations.BrowserTracing()],
tracesSampleRate: 1.0,
});
ReactDOM.render(
<Sentry.ErrorBoundary fallback={<p>An error has occurred</p>}>
<App />
</Sentry.ErrorBoundary>,
document.getElementById('root')
);
最佳实践
- 配置环境变量:在生产环境和开发环境中使用不同的 DSN(数据源名称),以便在开发过程中不会将错误发送到生产环境。
- 性能监控:使用
BrowserTracing集成来监控应用的性能,并设置tracesSampleRate来控制性能数据的采样率。 - 自定义错误处理:通过
beforeSend钩子来自定义错误处理逻辑,例如过滤掉某些不需要发送的错误。
典型生态项目
Sentry 官方 SDK
- @sentry/browser:用于浏览器环境的 SDK。
- @sentry/node:用于 Node.js 环境的 SDK。
- @sentry/react:专门为 React 应用设计的 SDK。
- @sentry/vue:专门为 Vue.js 应用设计的 SDK。
社区项目
- @sentry/webpack-plugin:用于在 Webpack 构建过程中自动上传源映射文件。
- @sentry/tracing:用于性能监控的扩展库。
通过这些工具和 SDK,你可以轻松地将 Sentry 集成到你的 JavaScript 项目中,实现全方位的错误监控和性能优化。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218